為實(shí)現(xiàn)移動(dòng)機(jī)器人通過(guò)其視覺(jué)系統(tǒng)來(lái)感知環(huán)境,使其能夠在環(huán)境中自主運(yùn)動(dòng),從而獲得更廣的適用范圍。本論文從移動(dòng)機(jī)器人視覺(jué)系統(tǒng)、多視角目標(biāo)檢測(cè)、目標(biāo)定位等幾個(gè)方面展開(kāi)研究。視覺(jué)系統(tǒng)分為硬件組成和軟件架構(gòu)兩個(gè)方面。在硬件組成方面,以Pioneer 3-AT型移動(dòng)機(jī)器人為研究平臺(tái),在其上裝載一個(gè)二自由度的云臺(tái)PTU-46,使得相機(jī)可以在不改變移動(dòng)機(jī)器人運(yùn)動(dòng)狀態(tài)的情況下,通過(guò)云臺(tái)上下俯仰和左右轉(zhuǎn)動(dòng)來(lái)全方位地觀察整個(gè)環(huán)境。在軟件架構(gòu)方面,隨著機(jī)器人領(lǐng)域的快速發(fā)展和復(fù)雜化,代碼復(fù)用和模塊化的需求越來(lái)越強(qiáng)烈。本文基于ROS （Robot Operating System, ROS）來(lái)構(gòu)建移動(dòng)機(jī)器人的軟件系統(tǒng),采用節(jié)點(diǎn)式的結(jié)構(gòu)將一項(xiàng)功能分成不同的小功能,而每一個(gè)小功能又能自由地組合。這使得執(zhí)行程序可以各自獨(dú)立地設(shè)計(jì),并且可以松散地、實(shí)時(shí)地組合起來(lái)。目標(biāo)可能會(huì)以各種不同的姿態(tài)出現(xiàn)在移動(dòng)機(jī)器人視野范圍內(nèi)。為了移動(dòng)機(jī)器人可以檢測(cè)出各個(gè)視角下的物體。首先,使用Adaboost算法學(xué)習(xí)基于類Haar型特征的檢測(cè)器。其次,針對(duì)多視角目標(biāo)檢測(cè)問(wèn)題訓(xùn)練基于視圖的瀑布型檢測(cè)器。最后,通過(guò)各個(gè)子類檢測(cè)器的組合實(shí)現(xiàn)多視角目標(biāo)檢測(cè)... 

【文章來(lái)源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀分析
    1.3 研究目標(biāo)和內(nèi)容
        1.3.1 移動(dòng)機(jī)器人計(jì)算機(jī)視覺(jué)系統(tǒng)
        1.3.2 多視角目標(biāo)檢測(cè)
        1.3.3 目標(biāo)定位
    1.4 論文組織結(jié)構(gòu)
第2章 移動(dòng)機(jī)器人視覺(jué)系統(tǒng)硬件組成
    2.1 引言
    2.2 硬件系統(tǒng)框架
    2.3 Pioneer 3-AT型移動(dòng)機(jī)器人平臺(tái)
    2.4 PTU46二自由度云臺(tái)
    2.5 RGB-D深度相機(jī)及Kinect
    2.6 本章小結(jié)
第3章 移動(dòng)機(jī)器人視覺(jué)系統(tǒng)軟件設(shè)計(jì)
    3.1 引言
    3.2 視覺(jué)系統(tǒng)軟件架構(gòu)
        3.2.1 模塊化軟件系統(tǒng)設(shè)計(jì)
        3.2.2 單機(jī)軟件架構(gòu)
        3.2.3 分布式軟件架構(gòu)
    3.3 軟件層級(jí)
        3.3.1 感知層
        3.3.2 規(guī)劃層
        3.3.3 執(zhí)行層
    3.4 PTU46遠(yuǎn)程控制程序
    3.5 本章小結(jié)
第4章 多視角目標(biāo)檢測(cè)
    4.1 引言
    4.2 多視角目標(biāo)檢測(cè)框架
    4.3 Adaboost算法
    4.4 圖像預(yù)處理及特征提取
        4.4.1 圖像灰度化
        4.4.2 類Haar特征(Haar-Like Feature)
        4.4.3 特征提取
    4.5 瀑布型檢測(cè)器
    4.6 在線檢測(cè)階段
    4.7 實(shí)驗(yàn)結(jié)果與分析
        4.7.1 數(shù)據(jù)獲取與分類
        4.7.2 實(shí)驗(yàn)設(shè)置
        4.7.3 檢測(cè)結(jié)果
    4.8 本章小結(jié)
第5章 基于深度圖像的目標(biāo)定位
    5.1 引言
    5.2 深度圖像數(shù)據(jù)
    5.3 三維坐標(biāo)計(jì)算
    5.4 彩色圖像與深度信息的融合
    5.5 實(shí)驗(yàn)結(jié)果與分析
    5.6 本章小結(jié)
總結(jié)與展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間的論文及科研成果


【參考文獻(xiàn)】：
期刊論文
[1]Boosting協(xié)方差特征的人臉檢測(cè)方法[J]. 花櫻,彭宏京,顧佳玲.  計(jì)算機(jī)工程與應(yīng)用. 2010(18)
[2]基于支持向量機(jī)的人臉圖像檢測(cè)[J]. 阮森靈,阮思花,林學(xué)訚.  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(02)



本文編號(hào)：3239598